扩展kmp——神奇的字符串匹配
ez_lcw
2019-03-15 14:02:15
## 一、引言
一个算是冷门的算法(在竞赛上),不过其算法思想值得深究。
## 二、前置知识
1. kmp的算法**思想**,具体可以参考[这篇日报](https://pks-loving.blog.luogu.org/zi-fu-chuan-xue-xi-bi-ji-qian-xi-kmp-xuan-xue-di-dan-mu-shi-chuan-pi-post)。
1. **trie树(字典树)**。
## 三、经典扩展kmp模板问题:
扩展kmp的模板问题:
>给你两个字符串s,t,长度分别为n,m。
>请输出s的每一个后缀与t的最长公共前缀。
~~哈希是不可能的,这辈子都不可能的。~~
$\mathcal{AC}$自动机?好像更不可做了。
我们先定义一个:$extend[i]$表示$S[i...n]$与$T$的最长公共前缀长度,而题意就是让你求所有的$extend[i]$。
##### 注:以下字符串均从1开始计位。
## 例子:
如果$S=aaaaaaaaaabaa$,$n=13$
$T=aaaaaaaaaaa$,$m=11$
![](https://cdn.luogu.com.cn/upload/pic/54062.png)
由图可知,$extend[1]=10$、$extend[2]=9$。
我们会发现:在求$extend[2]$时,我们耗费了很多时间,但我们可以利用$extend[1]$来更快速地求解:
因为已经计算出$extend[1]=10$。
所以有:$S[1...10]=T[1...10]$
然后得:$S[2...10]=T[2...10]$
因为计算$extend[2]$时,实际上是$S[2...n]$和$T$的匹配,
又因为刚刚求出了$S[2...10]=T[2...10]$,
所以匹配的**开头阶段**是求$T[2...10]$与$T$的匹配。
这时我们可以设置辅助参数:$next$,$next[i]$表示$T[i,m]$与$T$的最长公共前缀长度。
那么对于上述的例子:$next[2]=10$
即:$T[2...11]=T[1...10]$
然后得:$T[2...10]=T[1...9]$
$∴S[2...10]=T[2...10]=T[1...9]$
**也就是说求$extend[2]$的匹配的前9位已经匹配成功了,不用再匹配一遍了,可以直接从$S[11]$和$T[10]$开始匹配,这样我们就省下了很多时间。**
这其实就是kmp的思想。
## 对于一般情况:
设$extend[1...k]$已经算好,并且在以前的匹配过程中在S串中的最远位置是$p$,即$p=max(i+extend[i]-1)$,其中$i=1...k$。
然后我们设取这个最大值k的位置是$p0$。
![](https://cdn.luogu.com.cn/upload/pic/54070.png)
**首先,根据定义,$S[p0...p]=T[1...p-p0+1]$。**
我们设$T[k-p0+1]$在$T$串中对应的位置为$a$,$T[k-p0+2]$在$T$串中所对应的位置为$b$。~~(仅仅是为了下面的讲解方便)~~
然后令$L=next[b]$。
下面分两种情况讨论:
## 第一种情况:$k+L<p$
也就是$S[k+L]$这个位置在$p$前面,如图:
![](https://cdn.luogu.com.cn/upload/pic/54197.png)
我们设$l1=1$,$r1=L$,$l2=b$,$r2=b+L-1$。($b$的定义在上一张图)
此时$l1$、$r1$、$l2$、$r2$的位置如图所示。
也就是说,$T[l1...r1]=T[l2...r2]$。
**即$\color{red}{\text{红线}}$与$\color{green}{\text{绿线}}$与$\color{blue}{\text{蓝线}}$相等。**
然后由$next$的定义可知,$T[r1+1]!=T[r2+1]$。
又因为$T[r2+1]=S[k+L+1]$
所以$T[r1+1]!=S[k+L+1]$,这两个字符不一样。
**又因为$\color{red}{\text{红线}}$与$\color{blue}{\text{蓝线}}$相等,这两条线已经匹配成功。**
**所以$extend[k+1]=L$,也就是$next[b]$。**
所以这段的代码比较简单:
```cpp
if(i+nxt[i-p0]<extend[p0]+p0)extend[i]=nxt[i-p0];
//i相当于k+1
//nxt[i-p0]相当于L
//extend[p0]+p0相当于p
//因为在代码里我是从0开始记字符串的,所以本应在小于号左侧减1,现在不用了。
```
## 第二种情况:$k+L>=p$
也就是$S[k+L]$这个位置在p前面,如图:
![](https://cdn.luogu.com.cn/upload/pic/54527.png)
~~图可能略丑~~
同样,我们设$l1=1$,$r1=L$,$l2=b$,$r2=b+L-1$。
此时$l1$、$r1$、$l2$、$r2$的位置如图所示。($r1$的位置可能在$p-p0+1$前或后)
**同理,$\color{red}{\text{红线}}$与$\color{green}{\text{绿线}}$与$\color{blue}{\text{蓝线}}$相等。**
那么我们设$(k+L)$到$p$的这段距离为$x$。
那么$S[k+1...(k+L)-x+1]=S[k+1...p]$。
又因为:
$T[l1...r1-x+1]=T[l2...r2-x+1]=S[k+1...(k+L)-x+1]$
**即$\color{blue}{\text{S1}}\color{black}{=}\color{red}{\text{S2}}\color{black}{=}\color{green}{\text{S3}}$。**
所以$T[l1...r1-x+1]=S[k+1...p]$,
也就是说$T[1...r1-x+1]=S[k+1...p]$,这一段已经匹配成功了。
**即$\color{blue}{\text{S1}}$与$\color{red}{\text{S2}}$是相等的,已经匹配成功了。**
**那么我们就可以从$S[p+1]$和$T[r1-x+2]$开始暴力匹配了,无需再考虑前面的东西。**
那么这段的代码长这样:
```cpp
int now=extend[p0]+p0-i;
now=max(now,0);//这里是防止i>p
while(t[now]==s[i+now]&&now<(int)t.size()&&now+i<(int)s.size())now++;//暴力求解的过程
extend[i]=now;
p0=i;//更新p0
```
## 求$next$
求$extend$的大部分过程已经完成了,现在就剩怎么求$next$了,我们先摸清一下求$next$的本质:
>求T的每一个后缀与T的最长公共前缀长度
听起来好熟悉,我们再看一下题面:
>求S的每一个后缀与T的最长公共前缀长度
**我们发现求$next$的本质和求$extend$的本质是一样的,所以我们~~直接复制~~重新打一遍就好了。**
**这其实和$kmp$的思想很相似,因为$kmp$也是自己匹配一遍自己,再匹配文本串。**
**要注意的一点是:求$next$时我们要从第2位(也就是代码中的第1位)开始暴力,这样能防止求$next$时引用自己$next$值的情况。**
## 时间复杂度
因为求$next$的时间复杂度是$O(m)$,求$extend$的时间复杂度是$O(n)$,所以总时间复杂度:$O(n+m)$,即$S$串与$T$串的长度之和。
## Code
```cpp
#include<bits/stdc++.h>
#define N 1000010
using namespace std;
int q,nxt[N],extend[N];
string s,t;
void getnxt()
{
nxt[0]=t.size();//nxt[0]一定是T的长度
int now=0;
while(t[now]==t[1+now]&&now+1<(int)t.size())now++;//这就是从1开始暴力
nxt[1]=now;
int p0=1;
for(int i=2;i<(int)t.size();i++)
{
if(i+nxt[i-p0]<nxt[p0]+p0)nxt[i]=nxt[i-p0];//第一种情况
else
{//第二种情况
int now=nxt[p0]+p0-i;
now=max(now,0);//这里是为了防止i>p的情况
while(t[now]==t[i+now]&&i+now<(int)t.size())now++;//暴力
nxt[i]=now;
p0=i;//更新p0
}
}
}
void exkmp()
{
getnxt();
int now=0;
while(s[now]==t[now]&&now<min((int)s.size(),(int)t.size()))now++;//暴力
extend[0]=now;
int p0=0;
for(int i=1;i<(int)s.size();i++)
{
if(i+nxt[i-p0]<extend[p0]+p0)extend[i]=nxt[i-p0];//第一种情况
else
{//第二种情况
int now=extend[p0]+p0-i;
now=max(now,0);//这里是为了防止i>p的情况
while(t[now]==s[i+now]&&now<(int)t.size()&&now+i<(int)s.size())now++;//暴力
extend[i]=now;
p0=i;//更新p0
}
}
}
int main()
{
cin>>s>>t;
exkmp();
int len=t.size();
for(int i=0;i<len;i++)printf("%d ",nxt[i]);//输出nxt
puts("");
len=s.size();
for(int i=0;i<len;i++)printf("%d ",extend[i]);//输出extend
return 0;
}
```
洛谷上有一道扩展$kmp$的模板题:[P5410【模板】扩展 KMP](https://www.luogu.org/problemnew/show/P5410)
$bzoj$和$hdu$上也有几道,大家可以去看看:
[hdu2594 Simpsons’ Hidden Talents](http://acm.hdu.edu.cn/showproblem.php?pid=2594)
[hdu4333 Revolving Digits](http://acm.hdu.edu.cn/showproblem.php?pid=4333)